分享到:

基于Gibbs Sampling算法的转录因子结合位点预测研究与实现

本文主要研究基于马尔可夫链-蒙特卡罗(MCMC)理论的转录因子结合位点预测算法及其相关软件的应用。具体内容包括:研究MCMC理论及其中重要算法Gibbs sampling的具体理论与实现。在Linux操作系统下通过使用Qt(一个非常优秀的基于C++语言的跨平台的图形用户界面开发工具)对转录因子结合位点预测工具包——BEST进行应用及分析。本文首先就马尔可夫链-蒙特卡罗理论的发展现状作简要阐述,提出本课题研究的意义。然后对预测共同的转录因子结合位点的数学模型及模型采用的算法进行概述,在其中详细介绍了Gibbs sampling算法。接下来介绍了结合位点预测工具包的使用。最后,对基于Gibbssampling的生命探索者软件的基本原理及实现进行讲解,包括:基本原理,使用的数学模型和算法及具体的应用。提出了生命探索者软件的改进方向,考虑结合神经网络等智能算法,进一步改善预测软件的预测准确性,并提高软件的适应性。  (本文共51页) 本文目录 | 阅读全文>>

《山东科技大学学报(自然科学版)》2002年01期
山东科技大学学报(自然科学版)

单变量时间序列DLM的Gibbs Sampling方法

对单变量DLM观测方程 :Yt=F′tθt+vt   vt~N[0 ,Vt]状态方程 :θt=Gtθt- 1 +ωt  ωt~N[0 ,Wt]  其中 yt 为观测值 ,θt 为n× 1维状态参数向量 ,Ft 为n× 1维向量 ,Gt 为n×n矩阵 ,ωt 为n维误差项 ,vt 与ωt 独立且互相独立。对于上述DLM的修正递推 ,在[1 ] 中应用卡尔曼滤波取得了丰硕的成果。但在正态假设下 ,卡尔曼滤波是不稳健的 ,许多人提出用与卡尔曼滤波的各种改进相联系的动态模型来模拟动态系统。例如 ,Kitagawa( 1 987)提出 ,以对密度函数进行线性逼进为基础得到递归公式 ,并用此公式对非平稳时间序列和非正态模型进行预测 ,滤波和状态估计。Meihold和Singpurwalla( 1 989)提出了利用近似方法对动态模型进行粗略的改进等。在贝叶斯框架下的其它方法和逼近技巧包括由Alspach和Sorenson( 1 972 ) ...  (本文共3页) 阅读全文>>